PENALARAN DEDUKTIF

K DAN PREDIKTIF
E Dosen Pembimbing
Abdul Hamid S.Kom,M.M.

L
O
M Disusun oleh
Ahmad Rijali 230111072
P Amirudin 230211077
Fajar Aulia 230111046
O Harry Hernanda 230311058
Mila Kartini 230111102
K Muhammad Syahrul Mubarak 230111048
Norhasanah 230111088
Rulin Tamara 230111080
Selvinawati 230211087
2 Umi Rahmiyatun 230111092
Penjelasan Penalaran, Deduktif
dan Prediktif

Menurut Kamus Besar Bahasa Indonesia (KBBI) dituliskan bahwa nalar merupakan
pertimbangan tentang baik dan buruk, aktivitas yang memungkinkan seseorang berpikir logis.
Sedangkan penalaran merupakan merupakan cara penggunaan nalar, pemikiran atau cara
berpikir logis dalam hal mengembangkan atau mengendalikan sesuatu dengan nalar bukan
dengan perasaan atau pengalaman

Deduktif / deduksi adalah penarikan kesimpulan dari keadaan yang umum. Penalaran
Deduksi adalah proses penalaran dari satu atau lebih pernyataan umum (premis) untuk
mencapai kesimpulan logis tertentu.

Penalaran Prediktif adalah suatu proses berpikir yang

digunakan untuk membuat perkiraan atau prediksi berdasarkan
informasi yang ada. Ini mencakup kemampuan untuk menggunakan
data, logika, dan pengetahuan yang ada untuk memproyeksikan atau
memprediksi hasil atau kejadian di masa depan.
Perbedaan Penalaran Deduktif dan
Penalaran Predektif

Perbedaan pada Pendekatan

Penalaran deduktif menggunakan pendekatan dari umum ke khusus. Artinya, ia berusaha untuk
mengambil konsep umum atau hukum yang dikenal (premis) dan menerapkannya pada kasus
khusus untuk mencapai kesimpulan yang pasti.
Penalaran prediktif menggunakan pendekatan dari khusus ke umum. Ini berarti mengamati data
khusus atau pola yang ada (data historis) dan mencoba menerapkannya untuk membuat
perkiraan umum tentang apa yang mungkin terjadi di masa depan.

Tujuan
Tujuan penalaran deduktif adalah mencapai kesimpulan yang pasti
berdasarkan premis atau informasi yang sudah ada. Ini berarti menyusun
argumen yang benar secara logis sehingga kesimpulannya tidak bisa salah
jika premis-premisnya benar.
Tujuan penalaran prediktif adalah membuat prediksi tentang hasil atau
kejadian di masa depan berdasarkan data historis dan pola yang ada. Ini tidak
menghasilkan kesimpulan pasti, melainkan estimasi tentang probabilitas
kejadian tersebut.
Metode Penalaran Deduktif
Pernyataan Umum (Premis Utama): Mulai dengan premis umum atau pernyataan yang diterima
secara luas. Ini bisa berupa hukum, aturan, atau kebenaran umum yang dikenal. Contohnya:
“Semua manusia adalah makhluk mortal.”

Pernyataan Khusus (Premis Khusus): Kemudian, tambahkan premis khusus atau pernyataan
yang berkaitan dengan situasi yang Anda analisis. Contohnya: “Socrates adalah seorang
manusia.”

Penggunaan Hukum Deduktif: Terapkan hukum deduktif yang relevan, seperti hukum modus
ponens atau modus tollens, untuk menghubungkan premis umum dan premis khusus dengan
benar. Ini melibatkan logika formal untuk memastikan argumen Anda berjalan dengan benar.

Kesimpulan Deduktif: Dari pernyataan umum dan khusus serta penggunaan hukum deduktif,
Anda dapat mencapai kesimpulan yang pasti. Contohnya: “Oleh karena itu, Socrates adalah
makhluk mortal”.
Penting untuk diingat bahwa dalam penalaran deduktif, kesimpulan tidak
lebih dari sekadar deduksi dari premis-premis yang ada. Jika premis-premis
benar, maka kesimpulan harus benar. Metode ini digunakan untuk mencapai
kepastian logis dalam berbagai konteks, termasuk ilmu pengetahuan,
filsafat, dan hukum.
Metode Penalaran Prediktif
Kumpulkan Data Historis : Mulailah dengan mengumpulkan data yang relevan tentang
kejadian atau fenomena yang ingin Anda prediksi. Data ini dapat berasal dari berbagai sumber,
termasuk catatan historis, pengukuran, survei, dan sebagainya.

Eksplorasi Data : Analisis data historis Anda untuk mengidentifikasi pola, tren, dan
hubungan antara berbagai variabel. Ini dapat melibatkan penggunaan alat analisis statistik dan
visualisasi data.

Pemilihan Model Prediktif : Pilih model atau metode prediktif yang sesuai untuk data
Anda. Ini bisa berupa model statistik, pembelajaran mesin, atau teknik lain yang sesuai dengan
sifat data dan tujuan prediksi Anda.

Pemisahan Data : Bagi data Anda menjadi dua subset: data pelatihan (training data) dan data
pengujian (testing data). Data pelatihan digunakan untuk melatih model prediktif, sementara
data pengujian digunakan untuk menguji sejauh mana model Anda dapat memprediksi hasil
yang benar.
Metode Penalaran Prediktif

Pelatihan Model : Gunakan data pelatihan

untuk melatih model prediktif Anda. Ini
melibatkan proses pengoptimalan parameter
model agar dapat memahami pola dan tren
dalam data.
Validasi Model : Gunakan data pengujian untuk menguji kinerja model Anda. Evaluasi
berbagai metrik seperti akurasi, presisi, recall, atau MSE (Mean Squared Error) tergantung
pada jenis prediksi yang Anda lakukan.

Prediksi Masa Depan : Setelah model Anda terlatih dan divalidasi, gunakan model tersebut
untuk membuat prediksi tentang kejadian atau hasil masa depan berdasarkan data baru atau
situasi yang ingin Anda prediksi.
Jenis-Jenis Penalaran Deduktif
Modus Ponens : Sesuai yang dilansir oleh
Encyclopedia Britannica (2007), modus ponens adalah
salah satu cara untuk mendapatkan kesimpulan yang
tepat berdasar. Ini adalah jenis penalaran yang mengikuti
pola berikut: Jika P, maka Q; P benar, oleh karena itu Q
benar.

Contoh: Jika hujan (P), maka tanah basah (Q); dan saat
ini hujan (P), maka tanah saat ini basah (Q).
Modus Tollens : Menurut New World Encyclopedia (2018), modus tollens adalah prosedur
pengambilan kesimpulan dari dua premis, seperti pada modus ponens. Yang membedakan
modus tollens dari modus ponens adalah jenis premis yang digunakan. Apa premis yang
digunakan? Satu premis masih berupa proposisi kondisional yang menyampaikan hubungan
sebab dan akibat, hanya saja satu premis lainnya berupa negasi dari konsekuensi di premis
1.Penalaran ini adalah kebalikan dari Modus Ponens: Jika P, maka Q; Q salah, oleh karena itu
P salah.

Contoh: Jika hujan (P), maka tanah basah (Q); tanah tidak basah (Q salah), oleh karena itu
tidak ada hujan (P salah).
Jenis-Jenis Penalaran Deduktif

Silogisme : kata “silogisme” itu berasal dari Bahasa Yunani, yang artinya “untuk
menyimpulkan, menghitung, memperhitungkan”. Dalam berpikir logis, silogisme
digunakan dalam penarikan kesimpulan dari premis atau asumsi-asumsi tertentu.

Silogisme dapat dibagi menjadi dua jenis, yaitu silogisme hipotesis murni dan tidak murni.
Jadi, Silogisme adalah penalaran yang melibatkan tiga pernyataan, dengan dua pernyataan
premis dan satu pernyataan kesimpulan.

Karakteristik silogisme, yaitu terbentuknya sebuah mata rantai dalam hubungan sebab dan
akibat antar premis. Mata rantai itu ditunjukkan dari akibat premis 1 yang menjadi sebab
dalam premis 2, akibat premis 2 menjadi sebab dalam premis 3, dan seterusnya.

Contoh : Semua manusia adalah makhluk

mortal (Pernyataan 1), Socrates adalah
seorang manusia (Pernyataan 2),maka
Socrates adalah makhluk mortal
(kesimpulan).
Jenis-Jenis Penalaran Deduktif
Hukum De Morgan : Ini adalah aturan dalam teori himpunan dan logika yang berkaitan
dengan negasi. Hukum De Morgan untuk konjungsi menyatakan bahwa negasi dari
konjungsi dua pernyataan adalah disjungsi dari negasi pernyataan tersebut. Terdapat dua
hukum De Morgan: Hukum De Morgan untuk konjungsi dan Hukum De Morgan untuk
disjungsi.
Hukum De Morgan untuk Konjungsi:Jika Anda memiliki dua pernyataan P dan Q, maka
negasi dari konjungsi (P dan Q) adalah sama dengan disjungsi dari negasi P dan negasi Q.
Dinyatakan sebagai: ¬(P dan Q) = ¬P atau ¬Q.
Hukum De Morgan untuk Disjungsi:Jika Anda memiliki dua pernyataan P dan Q, maka
negasi dari disjungsi (P atau Q) adalah sama dengan konjungsi dari negasi P dan negasi Q.
Dinyatakan sebagai: ¬(P atau Q) = ¬P dan ¬Q.
Hukum De Morgan membantu dalam mengubah bentuk pernyataan logika, memudahkan
analisis, dan merupakan alat yang berguna dalam penalaran deduktif dalam matematika dan
ilmu komputer.

Reductio ad Absurdum : Ini adalah jenis penalaran deduktif yang

digunakan untuk membuktikan sebuah pernyataan dengan
mengasumsikan sebaliknya (negasi pernyataan tersebut) dan kemudian
menunjukkan bahwa asumsi tersebut akan mengarah pada kontradiksi
atau kesimpulan yang mustahil.
Jenis-Jenis Penalaran Deduktif

Penalaran matematika : Ini adalah jenis penalaran deduktif

yang digunakan dalam matematika untuk membuktikan
teorema dan pernyataan matematis lainnya. Ini melibatkan
penggunaan aksioma dan teorema yang sudah ada dalam
sebuah disiplin matematika untuk mencapai kesimpulan yang
benar.

Penalaran proposisional : Ini melibatkan manipulasi pernyataan proposisional atau

logika proposisional untuk mencapai kesimpulan berdasarkan pada hukum logika
proposisional.

Penalaran predikat : Ini melibatkan manipulasi pernyataan predikat dan kuantor untuk
mencapai kesimpulan dalam logika predikat, yang digunakan dalam matematika, filsafat,
dan ilmu komputer.
Jenis-Jenis Penalaran Prediktif

Regresi : Ini adalah jenis penalaran yang digunakan untuk memahami hubungan antara satu
atau lebih variabel independen dan variabel dependen yang kontinu. Regresi linier dan regresi
logistik adalah dua contoh umum dari teknik ini.

Analisis deret waktu : Penalaran prediktif sering digunakan dalam analisis deret waktu
untuk memprediksi tren dan pola dalam data sepanjang waktu. Metode seperti ARIMA
(AutoRegressive Integrated Moving Average) dan eksponensial smoothing digunakan dalam
hal ini.

Klasifikasi : Ini adalah jenis penalaran yang digunakan ketika Anda ingin memprediksi
keanggotaan atau kelas suatu entitas berdasarkan atribut-atribut tertentu. Contoh tekniknya
adalah pohon keputusan, naif Bayes, dan algoritma k-nearest neighbor.

Jaringan Saraf Tiruan : Metode ini adalah teknik penalaran prediktif yang memodelkan
sistem berdasarkan prinsip-prinsip jaringan saraf tiruan yang terinspirasi oleh otak manusia. Ini
dapat digunakan untuk berbagai jenis prediksi, seperti pengenalan gambar, pengenalan teks,
dan lainnya.
Jenis-Jenis Penalaran Prediktif

Analisis regresi waktu singkat : Ini adalah teknik yang digunakan untuk memahami
bagaimana variabel independen mempengaruhi perubahan dalam variabel dependen dalam
jangka waktu yang singkat.

Pengelompokan : Teknik ini digunakan untuk mengelompokkan entitas berdasarkan

kesamaan karakteristik, dan prediksi dapat dibuat tentang kelompok-kelompok tersebut.
Algoritma clustering seperti K-Means sering digunakan untuk ini.

Analisis asosiasi : Ini digunakan untuk menemukan keterkaitan antara berbagai atribut
dalam data dan membuat prediksi berdasarkan pola asosiasi yang ditemukan.
Manfaat Penalaran Deduktif
1. Problem Solvng
2. Meningkatkan Kerjasama Tim
3. Pelayanan Konsumen
4. Pengambilan Keputusan
5. Penyelesaian Konflik
6. Mengenali Situasi Dengan Baik
7. Produktifitas

Manfaat Penalaran Prediktif

1. Pengambilan Keputusan yang Lebih Baik
2. Peningkatan Efisiensi
3. Penghematan Biaya
4. Peningkatan Produktivitas
5. Peningkatan Layanan Pelanggan
6. Pengembangan Produk yang Lebih Baik
Contoh Penalaran Deduktif
Contoh penalaran Deduktif 1
Premis 1: Andi suka mengonsumsi makan-makanan bergizi.
Premis 2: Orang yang suka mengonsumsi makanan 4 sehat 5
sempurna, tubuhnya sehat.
Kesimpulan: Andi memiliki tubuh yang sehat.

Contoh Penalaran Deduktif 2

Premis 1: Setiap hewan merupakan makhluk hidup ciptaan Tuhan.
Premis 2: Gajah adalah salah satu jenis hewan.
Kesimpulan: Gajah adalah makhluk hidup ciptaan Tuhan.
Contoh Penalaran Deduktif 3
Premis 1: Budi adalah seorang polisi atau tentara.
Premis 2: Budi seorang polisi.
Kesimpulan: Budi bukan seorang tentara.

Contoh Penalaran Deduktif 4

Premis 1: Semua peserta didik di SMA Negeri 1
adalah murid yang rajin.
Premis 2: Cintia adalah seorang murid.
Kesimpulan: Cintia adalah seseorang yang rajin.
Contoh Penalaran Prediktif
Rekomendasi Produk : Ketika Anda berbelanja online, situs web e-commerce seperti
Amazon menggunakan penalaran prediktif untuk merekomendasikan produk berdasarkan
sejarah pembelian Anda, penelitian produk, dan perilaku penelusuran Anda.

Peringatan Keamanan Cyber : Perusahaan keamanan cyber menggunakan analisis data

untuk memprediksi potensi serangan siber dengan memantau pola lalu lintas jaringan dan
mengidentifikasi ancaman potensial sebelum mereka terjadi.

Prediksi Cuaca : Meteorolog menggunakan data historis cuaca dan model matematis
untuk memprediksi cuaca masa depan, termasuk suhu, curah hujan, dan cuaca ekstrem.

Analisis Kredit : Institusi keuangan menggunakan penalaran prediktif untuk menilai

risiko pemberian pinjaman dengan memprediksi sejauh mana peminjam akan dapat
membayar kembali pinjaman berdasarkan kredit dan faktor lainnya.

Optimasi Persediaan : Perusahaan ritel menggunakan penalaran prediktif untuk

memprediksi permintaan produk sehingga mereka dapat mengelola persediaan dengan lebih
efisien dan menghindari kekurangan atau kelebihan stok.
Contoh Penalaran Prediktif
Perawatan Kesehatan : Dalam perawatan kesehatan, penalaran prediktif digunakan
untuk memprediksi risiko pasien terhadap penyakit tertentu, seperti diabetes atau penyakit
jantung, sehingga perawatan pencegahan dapat diberikan.

Prediksi Kecelakaan Kendaraan : Perusahaan asuransi menggunakan data lalu lintas

dan sejarah klaim untuk memprediksi risiko kecelakaan kendaraan, yang memengaruhi
premi asuransi.

Rekomendasi Konten Media Sosial : Platform media sosial seperti Facebook dan
Instagram menggunakan penalaran prediktif untuk menentukan konten apa yang mungkin
Anda sukai dan tampilkan di beranda Anda.

Perencanaan Perjalanan: Aplikasi seperti Google Maps menggunakan penalaran

prediktif untuk memprediksi waktu perjalanan dan menemukan rute tercepat berdasarkan
lalu lintas saat ini dan sejarah lalu lintas.

Manajemen Energi Rumah Tangga: Smart grid dan perangkat pintar di rumah tangga
menggunakan penalaran prediktif untuk mengatur penggunaan energi berdasarkan pola
konsumsi dan harga energi saat ini.
K
E
L
O
M TERIMAKASIH
P
O
K